Github获8k Star！入选苹果CoreML模型库的Depth Anything是怎么做出来的？

文章预览

字节跳动大模型团队成果 Depth Anything V2 现已被苹果官方收入 Core ML 模型库。 本文介绍了  Depth Anything 系列成果的研发历程、技术挑战与解决方法，分享了团队对于 Scaling Laws 在单一视觉任务方面的思考。值得一提的是，Depth Anything V1 与 V2 两个版本论文一作是团队实习生。 近日， 字节跳动 大模型 团队开发的成果 Depth Anything V2 ，入选苹果公司 Core  ML  模型库，目前已呈现在开发者相关页面中。 Depth Anything 是一种单目深度估计模型，V1 版本发布于 2024 年初，V2 版本发布于 2024 年 6 月，包含 25M 到 1.3B 参数的不同大小模型，可应用于视频特效、自动驾驶、3D 建模、增强现实、安全监控以及空间计算等领域。 相比上一代版本，V2 版在细节处理上更精细，鲁棒性更强，并且对比基于 Diffusion 的 SOTA 模型，速度上有显著提升。 目前  Github  上该系列成果总 ………………………………